机器人多超声波传感器数据融合技术研究

摘要

本文以多传感器信息融合技术为研究重点，结合它在可移动机器人中的应用进行了理论和实践上的探讨，所作的主要工作如下： 1.讨论了数据融合技术定义的功能性描述和数据融合的目的，接着研究了融合的三种层次包括数据级融合、特征级融合、决策级融合，以图解方式说明了融合系统的模型结构。然后探讨了一些较成熟的多传感器的融合算法并对其进行了比较。 2.通过对BP神经网络的深入研究和探讨，得到了如何对BP网络的各项参数进行最优设置。在所设计的网络中，创建了三层的神经网络，应用前面得出的结论，恰当地选取了训练误差、学习步长、隐层节点数、并对学习样本进行初始化处理等。通过仿真表明，该网络可快速达到收敛并满足训练目标。这些对神经网络的创建和训练都有着指导性的意义。 3.讨论了超声波传感器的测量误差，并根据测量数据设计了机器人的多传感器系统；设计了基于模糊神经网络的多传感器信息融合，提出了一种简单、有效的分区算法，将其成功地用于传感器数据初步融合，确定了障碍物的距离和方位。并采用BP神经网络对障碍物环境分类，成功地利用BP神经网络算法进行了模式识别，为移动机器人的导航和避障打下了基础。

目录

文摘

英文文摘

独创性说明及大连理工大学学位论文版权使用授权书

1绪 论

1.1引言

1.2本课题研究背景

1.3数据融合技术研究的历史与现状

1.4论文主要的研究内容

2多传感器信息融合技术概述

2.1数据融合的基本理论

2.1.1数据融合的定义

2.1.2数据融合的功能模型

2.1.3数据融合的体系结构

2.1.4数据融合的层次结构

2.2数据融合的过程

2.3数据融合算法

2.4小结

3人工神经元网络

3.1引言

3.2人工神经元模型

3.3 BP神经网络

3.3.1反向传播网络模型与结构

3.3.2 BP网络算法

3.3.3 BP网络的学习过程

3.3.4影响BP网络收敛的因素的探讨

3.3.5 BP网络其它参数的设定

3.3.6 BP网络的不足及改进

3.4小结

4基于神经网络技术的多传感器信息融合

4.1引言

4.2机器人超声波测距应用

4.2.1超声测距原理

4.2.2超声波数据预处理

4.2.3超声波传感器的标定

4.3模糊神经网络技术

4.3.1模糊语言变量及其隶属函数确定

4.3.2分区算法的提出

4.3.3距离信息模糊化

4.4神经网络分类设计

4.4.1环境期望分类及样本数据库的建立

4.4.2 BP神经网络设计

4.4本章小结

5试验和仿真

5.1环境障碍物类别识别试验

5.2实验结论

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢